【技术实现步骤摘要】
基于生成式的辅助模板增强服装搭配方案生成方法及系统
本公开涉及服装搭配方案推荐
,特别是涉及基于生成式的辅助模板增强服装搭配方案生成方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
,并不必然构成现有技术。在实现本公开的过程中,专利技术人发现现有技术中存在以下技术问题:由于时尚产业的巨大经济价值,时尚分析的相关研究变得越来越多,特别是服装搭配。由于表示学习的最新进展,当前许多研究致力于互补项之间的相似度,以帮助人们进行服装搭配。从某种意义上说,现有的方法主要是利用先进的神经网络学习潜在的兼容空间,以弥补互补的时尚物品(如衬衫和裤子)之间的巨大差异,直接测量物品之间的兼容程度。假设给定一个上衣,我们首先为给定的上衣绘制一个相容的下衣搭配模板,作为互补搭配服装之间的辅助链接,我们可以从生成式的角度进一步度量它们的搭配。事实上,如何将辅助模板生成无缝的融合到相容性建模中并提高性能存在很大的挑战。另外,如何准确地为给定的上衣生成一个互补的下衣模板来准确的指导相容性建模也面临很大的挑战。
技术实现思路
为了解决现有技术的不足,本公开提供了基于生成式的辅助模板增强服装搭配方案生成方法及系统;自动为用户进行服装推荐。第一方面,本公开提供了基于生成式的辅助模板增强服装搭配方案生成方法;基于生成式的辅助模板增强服装搭配方案生成方法,包括:构建基于生成式的辅助模板增强服装搭配模型;构建训练集;将训练集输入到构建好的基于生成式的辅助模板增强服装搭 ...
【技术保护点】
1.基于生成式的辅助模板增强服装搭配方案生成方法,其特征是,包括:/n构建基于生成式的辅助模板增强服装搭配模型;构建训练集;/n将训练集输入到构建好的基于生成式的辅助模板增强服装搭配模型中进行训练,得到训练好的基于生成式的辅助模板增强服装搭配模型;/n将待搭配的上衣,输入到训练好的基于生成式的辅助模板增强服装搭配模型中,输出最搭配的下衣;/n待搭配的上衣与最搭配的下衣作为最终的服装搭配方案输出。/n
【技术特征摘要】
1.基于生成式的辅助模板增强服装搭配方案生成方法,其特征是,包括:
构建基于生成式的辅助模板增强服装搭配模型;构建训练集;
将训练集输入到构建好的基于生成式的辅助模板增强服装搭配模型中进行训练,得到训练好的基于生成式的辅助模板增强服装搭配模型;
将待搭配的上衣,输入到训练好的基于生成式的辅助模板增强服装搭配模型中,输出最搭配的下衣;
待搭配的上衣与最搭配的下衣作为最终的服装搭配方案输出。
2.如权利要求1所述的方法,其特征是,所述基于生成式的辅助模板增强服装搭配模型为:
LAT-GCM=LGAN(G)+LGAN(Db)+LGAN(F)+LGAN(Dt)+LBPR+βLcycp+γLpixel,
其中,LAT-GCM为基于生成式的辅助模板增强服装搭配模型的损失函数;
LGAN(G)为互补模板生成网络的第一生成器G的损失函数;
LGAN(Db)为互补模板生成网络的第一判别器Db的损失函数;
LGAN(F)为互补模板生成网络的第二生成器F的损失函数;
LGAN(Dt)为互补模板生成网络的第二判别器Dt的损失函数;
Lcycp为互补模板生成网络的第二生成器输出值与第一生成器输入值之间的循环一致性损失函数;
LBPR为上衣和下衣的隐含搭配偏好损失函数;
Lpixel为下衣搭配模板与正例下衣之间的像素级差异损失函数;
β和γ为权重值,β和γ为0到1间的非负数。
3.如权利要求1所述的方法,其特征是,所述互补模板生成网络的第一生成器G的损失函数LGAN(G)的计算过程为:
其中,为生成的下衣模板,Db为判别器用来判别的真实性;
所述互补模板生成网络的第一判别器的损失函数LGAN(Db)的计算过程为:
其中,为输入的上衣图像,为下衣图像。
4.如权利要求1所述的方法,其特征是,所述互补模板生成网络的第二生成器F的损失函数LGAN(F)的计算过程为:
其中,Dt为生成器F所对应的判别器,为生成器F重建出的上衣图像;
所述互补模板生成网络的第二判别器的损失函数LGAN(Dt)的计算过程为:
所述互补模板生成网络的第二生成器输出值与第一生成器输入值之间的循环一致性损失函数Lcycp的计算过程为:
所述下衣搭配模板与正例下衣之间的像素级差异损失函数Lpixel的计算过程为:
其中,为下衣图像。
5.如权利要求1所述的方法,其特征是,所述上衣和下衣的隐含搭配偏好损失函数LBPR的计算过程为:
S101:获取上衣的图像和文本描述;获取正例下衣的图像和文本描述;所述正例下衣是指与上衣所匹配的下衣;
S102:从上衣的图像中获取上衣视觉编码;从正例下衣的图像中获取正例下衣的视觉编码;从上衣的文本单词中获取上衣的文本向量;从正例下衣的文本单词中获取正例下衣的文本向量;
S103:从上衣视觉编码中提取上衣视觉特征;从正例下衣的视觉编码中提取正例下衣的视觉特征;从上衣的文本向量中提取上衣文本特征,从正例下衣的文本向量中提取正例下衣的文本特征;
S104:从上衣的视觉特征中提取上衣隐含视觉向量;从正例下衣的视觉特征中提取正例下衣的隐含视觉向量;从上衣的...
【专利技术属性】
技术研发人员:刘金环,宋雪萌,马军,任昭春,陈竹敏,聂礼强,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。